: この研究は、AIを共同研究者として活用するための新しいフレームワークを提案する。このフレームワークは、科学的発見プロセスにおけるAIの役割を拡張し、人間の科学者との協調的な相互作用を促進することを目的としている。具体的には、仮説生成、実験設計、データ解釈といった主要な研究活動において、AIが積極的に貢献できる仕組みを提供する。本アプローチは、AIシステムの自律性と適応性を高めると同時に、人間の専門知識と創造性を最大限に活用することを目指している。これにより、科学的研究の効率性と革新性の両面で大きな進展が期待できる。

要旨

科学的発見は、科学者が新たな仮説を生成し、それを厳密な実験的検証にかけることに依存している。このプロセスを強化するため、我々はGemini 2.0を基盤としたマルチエージェントシステムであるAI共同研究者を導入する。AI共同研究者は、新たで独創的な知識を発見し、先行する証拠に基づいて、科学者が提供する研究目的とガイダンスに沿った、実証可能に新しい研究仮説と提案を策定することを目的としている。このシステムの設計は、科学的メソッドにインスパイアされ、テスト時の計算リソースをスケーリングすることで加速される、生成、議論、進化というアプローチを仮説生成に取り入れている。主な貢献は以下の通りである：(1) 柔軟な計算スケーリングのための非同期タスク実行フレームワークを備えたマルチエージェントアーキテクチャ、(2) 自己改善型の仮説生成のためのトーナメント進化プロセス。自動化された評価では、テスト時の計算リソースの継続的な利点が示され、仮説の品質が向上している。汎用性を保ちつつ、開発と検証は3つの生物医学領域に焦点を当てている：薬剤の再利用、新規ターゲットの発見、細菌の進化と抗菌剤耐性のメカニズムの解明。薬剤の再利用において、このシステムは有望な検証結果を持つ候補を提案し、臨床適用可能な濃度でin vitroでの腫瘍抑制を示す急性骨髄性白血病の候補を含んでいる。新規ターゲット発見では、AI共同研究者は肝線維症の新たなエピジェネティックターゲットを提案し、抗線維化活性とヒト肝臓オルガノイドでの肝細胞再生によって検証された。最後に、AI共同研究者は、細菌進化における新規の遺伝子転移メカニズムの並列的なin silico発見を通じて、未発表の実験結果を再現した。これらの結果は、別々に同時発表された報告書で詳細に述べられており、生物医学および科学的発見を強化し、AIが支援する科学者の時代を切り開く可能性を示している。

English

Scientific discovery relies on scientists generating novel hypotheses that undergo rigorous experimental validation. To augment this process, we introduce an AI co-scientist, a multi-agent system built on Gemini 2.0. The AI co-scientist is intended to help uncover new, original knowledge and to formulate demonstrably novel research hypotheses and proposals, building upon prior evidence and aligned to scientist-provided research objectives and guidance. The system's design incorporates a generate, debate, and evolve approach to hypothesis generation, inspired by the scientific method and accelerated by scaling test-time compute. Key contributions include: (1) a multi-agent architecture with an asynchronous task execution framework for flexible compute scaling; (2) a tournament evolution process for self-improving hypotheses generation. Automated evaluations show continued benefits of test-time compute, improving hypothesis quality. While general purpose, we focus development and validation in three biomedical areas: drug repurposing, novel target discovery, and explaining mechanisms of bacterial evolution and anti-microbial resistance. For drug repurposing, the system proposes candidates with promising validation findings, including candidates for acute myeloid leukemia that show tumor inhibition in vitro at clinically applicable concentrations. For novel target discovery, the AI co-scientist proposed new epigenetic targets for liver fibrosis, validated by anti-fibrotic activity and liver cell regeneration in human hepatic organoids. Finally, the AI co-scientist recapitulated unpublished experimental results via a parallel in silico discovery of a novel gene transfer mechanism in bacterial evolution. These results, detailed in separate, co-timed reports, demonstrate the potential to augment biomedical and scientific discovery and usher an era of AI empowered scientists.

Towards an AI co-scientist

要旨

Summary

Support

Support